基于SVR信号传递合约模型量化分析.docVIP

基于SVR信号传递合约模型量化分析 　　摘要：利用SVR对效用函数建模，解决了其无法用解析函数表达的问题。并对委托人通过激励合约使代理人向其传递特征信号的优化模型，具体推导出了上述模型的梯度表达式，给出了相应的梯度法迭代算法，并利用这一算法进行数值计算和量化分析，观察上述信号传递模型中某些参数变化对合约均衡点变化趋势的影响。 　　关键词：支持向量回归机；效用函数；信号传递；激励与合约 　　中图分类号：TP181文献标识码：A文章编号：1009-3044(2011)22-5401-04 　　SVR Based Quantitatively Study on Signalling Contract Model 　　GUAN Qing1, ZHANG Zhen-Feng2 　　(1.The Peoples Bank of China Luan Central Sub-branch, Luan 237006, China; 2.Yancheng Textile Vocational Technology College, Yancheng 224005, China) 　　Abstract: The support vector regression(SVR) is used to express the utility function. Based on that, the gradient expression of signalling model is derived for high efficient agent and low efficient agent to signal to the principal designing the contract, respectively. Then, the relevant gradient descent algorithms are given. Using our method, the signalling incentive contract models above are quantitatively analyzed, and the effects of parameters’ varying to the changing trends of thetwo signalling models equilibriums are observed. 　　Key words: support vector regression; utility function; signalling; incentive and contract 　　目前激励合约优化模型的研究中，往往采用解析的、定性的方法进行分析[1]。这种方法在实际分析中，往往理论推导的复杂程度与能够解决问题的实用程度之间存在很大反差。究其原因主要有两点，其一是模型所包含的效用函数难以用解析函数定量表达，造成整个模型难以作定量分析；其二是解析分析方法在对具有效用函数求导的梯度法的优化模型的求解时也难以施展。 　　本文在用支持向量回归机对效用函数建模的基础上，本文推导出了效率高的和效率低的代理人两种情形下代理人通过委托人设计的合约向委托人传递其特征信息的信号传递模型的梯度表达式，并给出了相应的梯度法迭代算法。利用这一算法进行数值计算和量化分析，观察上述信号传递模型中参数变化对合约均衡点变化趋势的影响。 　　1 SVR与效用函数建模[4] 　　解决效用函数的定量描述问题是对激励合约优化模型定量计算的关键。而用SVR对效用函数建模又是解决效用函数的定量描述问题的关键。 　　1.1 支持向量回归机SVR 　　对小样本点集回归得到其隐含的函数关系的方法较多，目前比较成功的方法是利用支持向量回归机SVR。 　　考虑用线性函数： 　　 ■ （1） 　　逼近样本数据集： 　　 ■ （2） 　　的问题。从结构风险最小化思想出发，则其最优回归函数的优化模型为： 　　 ■ （3） 　　 ■ 　　其中，C是权衡因子，ζ-i和ζ+i是表示对系统输出进行约束的松弛变量，L(?)是损失函数。由这一优化模型可以解得式⑴中的w和b，从而得到最优线性回归函数f(x)。可以用核函数代替上述点积，则回归函数f(x)可以是非线性的，此即为支持向量回归机。 　　2 效用函数的SVR建模 　　效用函数在激励合约中指对获取收益的满足感，带有很强的主观色彩，实际中由小样本点集隐含。在用传统的解析函数表达效用函数时，只能对其作定性的描述，即将其大体分为风险规避、风险中性、风险偏好三种类型。为了对效用函数作量化描述，本文用SVR表达效用函数。 　　首先利用所收集到的效用函数的样本集训练SVR，使其得到